Java 提取Word中的文本和图片

本文将介绍通过Java来提取或读取Word文档中文本和图片的方法。这里提取文本和图片包括同时提取文档正文当中以及页眉、页脚中的的文本和图片。

使用工具：Free Spire.Doc for Java （免费版）

Jar文件导入方法（参考）：

方法1：下载jar文件包。下载后解压文件，并将lib文件夹下的Spire.Doc.jar文件导入到java程序。导入效果参考如下：

方法2：可通过maven导入。

测试文档如下：

Java代码示例（供参考）

【示例1】提取Word中的文本

import com.spire.doc.*; import java.io.FileWriter; import java.io.IOException; public class ExtractText { public static void main(String[] args) throws IOException{ //加载测试文档Document doc = new Document();doc.loadFromFile("test.docx"); //获取文本保存为StringString text = doc.getText(); //将String写入TxtwriteStringToTxt(text,"提取文本.txt");} public static void writeStringToTxt(String content, String txtFileName) throws IOException {FileWriter fWriter= new FileWriter(txtFileName,true); try {fWriter.write(content);}catch(IOException ex){ex.printStackTrace();}finally{ try{fWriter.flush();fWriter.close();} catch (IOException ex) {ex.printStackTrace();}}}
}

文本提取结果：

【示例2】提取Word中的图片

import com.spire.doc.Document; import com.spire.doc.documents.DocumentObjectType; import com.spire.doc.fields.DocPicture; import com.spire.doc.interfaces.ICompositeObject; import com.spire.doc.interfaces.IDocumentObject; import javax.imageio.ImageIO; import java.awt.image.RenderedImage; import java.io.File; import java.io.IOException; import java.util.ArrayList; import java.util.LinkedList; import java.util.List; import java.util.Queue; public class ExtractImg { public static void main(String[] args) throws IOException { //加载Word文档Document document = new Document();document.loadFromFile("test.docx"); //创建Queue对象Queue nodes = new LinkedList();nodes.add(document); //创建List对象List images = new ArrayList(); //遍历文档中的子对象while (nodes.size() > 0) {ICompositeObject node = (ICompositeObject) nodes.poll(); for (int i = 0; i < node.getChildObjects().getCount(); i++) {IDocumentObject child = node.getChildObjects().get(i); if (child instanceof ICompositeObject) {nodes.add((ICompositeObject) child); //获取图片并添加到Listif (child.getDocumentObjectType() == DocumentObjectType.Picture) {DocPicture picture = (DocPicture) child;images.add(picture.getImage());}}}} //将图片保存为PNG格式文件for (int i = 0; i < images.size(); i++) {File file = new File(String.format("图片-%d.png", i));ImageIO.write((RenderedImage) images.get(i), "PNG", file);}}
}

图片提取结果：

在此我向大家推荐一个架构学习交流圈。交流学习微信：539413949（里面有大量的面试题及答案）里面会分享一些资深架构师录制的视频录像：有Spring，MyBatis，Netty源码分析，高并发、高性能、分布式、微服务架构的原理，JVM性能优化、分布式架构等这些成为架构师必备的知识体系。还能领取免费的学习资源，目前受益良多

Java 提取Word中的文本和图片相关推荐

java提取word中的文字_Java 提取Word中的文本和图片
本文将介绍通过Java来提取或读取Word文档中文本和图片的方法.这里提取文本和图片包括同时提取文档正文当中以及页眉.页脚中的的文本和图片. 使用工具:Free Spire.Doc for Java ...
openxml html to word,C# Net 使用 openxml 提取word中的文本和图片并转为Html
C# Net Core openxml 提取提出取 word 文本图片 Html Text Drawing C# Net Core openxml 提取提出取 word 文本图片 ...
java提取word中的图片_Java怎么获取Word批注的文字和图片
Java怎么获取Word批注的文字和图片发布时间:2020-06-23 11:07:08 来源:亿速云阅读:119 作者:Leah 这篇文章将为大家详细讲解有关Java获取Word批注的文字和图片 ...
Java 读取PDF中的文本和图片
本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法.分别调用方法extractText()和extractImages()来读取. 使用工具:Free Spire.PDF for Java ...
Java Word中的文本、图片替换功能
Word中的替换功能以查找指定文本然后替换为新的文本,可单个替换或全部替换.以下将要介绍的内容,除常见的以文本替换文本外,还将介绍使用不同对象进行替换的方法,具体可包括: 1. 指定字符串内容替换文本 ...
java提取word中的图片
一.项目中需要用到word的导入,word 里面的内容由图片,文本,公式等,步骤为:将文档另存为xml格式 1.提取图片,如下是word xml 中的图片标签,具体分析下内容,首先需要获取 w:dra ...
java word替换图片_Java Word中的文本、图片替换功能
Word中的替换功能以查找指定文本然后替换为新的文本,可单个替换或全部替换.以下将要介绍的内容,除常见的以文本替换文本外,还将介绍使用不同对象进行替换的方法,具体可包括: 1. 指定字符串内容替换文本 ...
java提取word中的文字,java获取word里面的文本
需求场景开发的web办公系统如果需要处理大量的Word文档(比如有成千上万个文档),用户一定提出查找包含某些关键字的文档的需求,这就要求能够读取 word 中的文字内容,而忽略其中的文字样式.表格. ...
使用docx4j根据书签自动替换word中的文本和图片，图片自适应大小
此功能中的文本替换实现不难,但是图片替换和自适用费了很大劲,主要是要知道word文档的原理,实际是一个zip 的压缩包,里面包括图片信息和xml文件等等,主要就是看xml中的对应关系,大家可以试着把w ...

Java 提取Word中的文本和图片

Java 提取Word中的文本和图片相关推荐

最新文章

热门文章